关键词contrastive learning loss
搜索结果 - 4
- KDD对抗热度偏差的流行度感知对齐与对比
通过实证分析流行度偏见并提出了面向流行度偏见的对齐和对比模块来解决两个挑战，即从流行物品中提取通用监督信号以改进不受欢迎物品的表示，并从流行度视角提出重新加权的对比学习损失以减轻表示分离。
- 一种具有自适应视图图形编码器的结构感知分组歧视：一种快速的图形对比学习框架
此篇论文主要针对大规模图形表示学习的高成本问题，提出了自适应视图图神经编码器（AVGE）以及结构感知的群体判别（SAGD）方法，通过这两个方法，能够将大规模数据集的训练和推理成本显著降低 250 倍，并且不会丧失下游任务性能。
- 序列推荐中的互惠瓦石均方差最小化
本文提出了一种基于互信息的无监督学习框架，利用 Wasserstein 距离来衡量自然语言推荐任务中的互信息，并提出了可应用于小批量数据的 Wasserstein 差量度量方法和基于反向对比损失的训练方式，证明该方法能够减少不稳定的 KL - MM密度代理半监督群众计数
该研究提出了一种新的半监督计数方法，使用可学习的密度机构来将已识别的前景区域特征与其对应的密度子类（代理）接近，并将背景特征推开。通过密度导向的对比损失巩固骨干特征提取器，再使用变换器结构构建回归头进一步优化前景特征。提供了高效的噪声压制损